近年来，信号处理的理论与方法获得了迅速发展。事实证明，信号处理是推动众学科发展的一个重要基石。独立分量分析方法(Independent Component Analysis,ICA)虽然是信号处理领域发展较晚的一种理论与方法，但是已经迅速成为该领域的重要组成部分，且其发展逐渐趋向成熟化与系统化。在实际的工程应用中，ICA方法在语音识别、无线通信、生物医学信号处理、图像处理中存在潜在的处理优势，尤其是通过该方法实现的盲信号分离引起了通信学界广泛的关注。　　 本文首先简要说明了ICA方法的研究背景和意义，介绍了ICA的理论基础和模型，给出了ICA方法的基本目标函数和经典的优化算法，详细地论述了ICA的原理及实现过程。针对现有算法不足，分别提出了两种改进算法：一方面，基于累积量的思想，提出了联合三阶、四阶累积量的改进算法，其特点是目标函数简单直观。通过仿真实验证明，改进的优化算法优化了源信号的分离性能。另一方面，从固定点(Fix-Point)算法的角度，引入调节因子，提出了基于FastICA的双重改进算法，其特点是算法更加易于使用，并且具有非常快的收敛速度，通过比较得到：算法执行时使用的内存空间较少，提高了算法的效率。　　 本文还研究了应用ICA方法对源信号进行分离后，独立分量的排序问题。采用互相关性作为“不独立性”的一个测度，来决定独立分量重新排列的次序，进而给出了一种有效的重排序算法。通过仿真实验，验证了算法的有效性。　　 独立分量分析的方法在许多应用领域都得到了广泛的重视，尤其是在无线通信、语音识别和图像增强等方面。本文对如何把独立分量分析的方法应用于无线通信的码分多址(CDMA)系统中的问题进行了研究。码分多址(CDMA)因为具有突出的优点而被确定为第三代移动通信系统(3G)的主要接入方式，故其在未来的应用领域是广泛的。本文主要对CDMA的三种数掘进行了处理，从而体现ICA方法的优良性能，验证了ICA方法在无线通信方面的实用性。